高端的餐饮广告宣传语

<随心_句子c><随心_句子c><随心_句子c><随心_句子c><随心_句子c>為(wei)什(shen)麽(me)創(chuang)造(zao)了(le)驚(jing)人(ren)成(cheng)就(jiu)的(de)初(chu)创公(gong)司(si)員(yuan)工(gong)如(ru)此(ci)之(zhi)少(shao)？95% 的人會(hui)從(cong)智(zhi)能(neng)革(ge)命(ming)中(zhong)受(shou)損(sun)

來(lai)源(yuan) | 衛(wei)夕(xi)指(zhi)北(bei)

作(zuo)者(zhe) | 卫夕

原(yuan)文(wen)標(biao)題(ti)丨(shu)为什么那(na)些(xie)创造了惊人成就的初创公司员工如此之少？

圖(tu)片(pian)来源：由(you)無(wu)界(jie) AI工具(ju)生(sheng)成

這(zhe)段(duan)時(shi)間(jian)的科(ke)技(ji)圈(quan)被(bei) Midjourney 僅(jin)仅只(zhi)有(you) 11 個(ge)员工震(zhen)惊了。

即(ji)便(bian)是(shi)行(xing)業(ye)的資(zi)深(shen)从业者，也(ye)很(hen)難(nan)想(xiang)象(xiang)如此惊艷(yan)的 AI 產(chan)品(pin)背(bei)後(hou)仅仅只有少的出(chu)奇(qi)的 11 个人。

的確(que)，用(yong)極(ji)少员工创造惊人成就的公司在(zai)科技行业屢(lv)見(jian)不(bu)鮮(xian)——

Instagram 以(yi) 10 億(yi)美(mei)元(yuan)被收(shou)購(gou)时仅仅 13 名(ming)员工。

WhatsApp 以 190 亿美元被收购时仅仅 50 名员工。

如今(jin)站(zhan)在 AI 之巔(dian)估(gu)值(zhi)高(gao)達(da) 300 亿美元的 OpenAI 也仅仅 375 名员工。

从更(geng)遠(yuan)的視(shi)角(jiao)，谷(gu)歌(ge)在施(shi)密(mi)特(te) 2001 年(nian)接(jie)替(ti)创始(shi)人拉(la)裏(li)?佩(pei)奇擔(dan)任(ren) CEO 时，只有不到(dao) 300 名员工。

而(er)创立(li)更早(zao)的亞(ya)馬(ma)遜(xun)在 1997 年上(shang)市(shi)前(qian)夕仅仅只有 158 名员工。

那么問(wen)题来了：

为什么那么多(duo)创造了惊人成就的初创公司员工如此之少？为什么它(ta)們(men)的人效(xiao)可(ke)以做(zuo)到如此之高？这背后有哪(na)些值得(de)思(si)考(kao)的深層(ceng)邏(luo)輯(ji)？

这篇(pian)文章(zhang)卫夕就和(he)大(da)家(jia)来聊(liao)壹(yi)聊这个问题——

1

很顯(xian)然(ran)，和之前的任何(he)技術(shu)進(jin)步(bu)不同(tong)，當(dang)數(shu)字(zi)技术从原子(zi)世(shi)界进化(hua)到比(bi)特世界时，逻辑就徹(che)底(di)地(di)變(bian)了。

用陸(lu)奇的話(hua)說(shuo)——

“任何改(gai)变社(she)会、改变产业的，永(yong)远是結(jie)構(gou)性(xing)改变，这个结构性改变往(wang)往是一類(lei)大型(xing)成本(ben)，从邊(bian)際(ji)成本变成固(gu)定(ding)成本。”

这句(ju)话的意(yi)思簡(jian)單(dan)而深刻(ke)。

盡(jin)管(guan)曾(zeng)經(jing)的鐵(tie)路(lu)大王(wang)、石(shi)油(you)大王、鋼(gang)铁大王创造的財(cai)富(fu)在絕(jue)對(dui)值上更高，但(dan)他(ta)们每(mei)多创造一份(fen)新(xin)的價(jia)值，它就需(xu)要(yao)一份額(e)外(wai)的成本。

这既(ji)包(bao)括(kuo)實(shi)物(wu)的投(tou)入(ru)，也包括人力(li)的投入，每多产一頓(dun)油、多修(xiu)一公里铁路、多产一顿钢铁，都(dou)需要更多的物料(liao)和人力。

因(yin)此，这種(zhong)类型的公司在核(he)算(suan)的时候(hou)边际成本是成本的重(zhong)要組(zu)成部(bu)分(fen)。

然而，在矽(gui)基(ji)系(xi)統(tong)，边际成本消(xiao)失(shi)了。

一个段代(dai)碼(ma)復(fu)制(zhi)成兩(liang)段代码毫(hao)无新增(zeng)成本，一个用戶(hu)使(shi)用和 100 个用户使用，幾(ji)乎(hu)沒(mei)有没有區(qu)別(bie)。

这是高人效之所(suo)以普(pu)遍(bian)出現(xian)在数字科技行业的直(zhi)接原因，背后的逻辑就在於(yu)——一份创造，可以无成本的复制，几乎不需要额外的人力參(can)與(yu)。

这是一个普遍的規(gui)律(lv)，我(wo)们简单比較(jiao)一下(xia)優(you)秀(xiu)的傳(chuan)统企(qi)业和优秀的数字企业在人效上的区别——

1. 谷歌市值 1.3 萬(wan)亿美元，人力 18.7 万 VS 沃(wo)爾(er)瑪(ma)市值 4058 亿美元，员工人数 220 万；

3.Facebook 市值 5984 亿美元，员工 8.7 万人 VS 通(tong)用汽(qi)車(che) 440 亿美元，员工 26.6 万人；

5. 騰(teng)訊(xun)市值 3.28 万亿，员工人数 6.3 万人 VS 比亚迪(di) 7440 亿，员工数 57 万

这就是硅基系统边际成本消失在人效上的巨(ju)大能量(liang)。

人效差(cha)異(yi)的背后，是财富创造能力的差异。

回(hui)到 2012 年，作为一名並(bing)非(fei)技术專(zhuan)业的畢(bi)业生，我当时選(xuan)擇(ze)进入互(hu)聯(lian)網(wang)行业，其(qi)中一个模(mo)糊(hu)的逻辑就是——到人效更高的行业中去(qu)。

2

以上我们解(jie)釋(shi)了高人效的一个必(bi)要條(tiao)件(jian)——可复制的硅基系统。

但这并不能充(chong)分解释为什么同樣(yang)在科技行业，有些公司的人效就是要远高于另(ling)一些公司。

在更深入地討(tao)論(lun)这个问题之前，我们先(xian)来認(ren)識(shi)一个人——Jeff Dean。

如果(guo)妳(ni)并不是技术圈的从业者，你有较大概(gai)率(lv)并不认识这个人。

但在技术領(ling)域(yu)，Jeff Dean 就是一座(zuo)燈(deng)塔(ta)，是眾(zhong)多工程(cheng)師(shi)心(xin)中神(shen)一样的存(cun)在。

毕业于華(hua)盛(sheng)顿大學(xue)計(ji)算機(ji)系的 Jeff Dean 在谷歌 20 多个人的时候加(jia)入年輕(qing)的谷歌，然后就開(kai)啟(qi)了他魔(mo)法(fa)般(ban)的職(zhi)业生涯(ya)。

他几乎以一己(ji)之力奇跡(ji)般地連(lian)續(xu)帶(dai)领极小(xiao)團(tuan)隊(dui)（通常(chang)是 10 人左(zuo)右(you)）开發(fa)了 MapReduce、BigTable、Spanner、TensorFlow 等(deng)一系列(lie)系统。

註(zhu)意，这些項(xiang)目(mu)并不是同一个领域的项目。

它们橫(heng)跨(kua)爬(pa)蟲(chong)索(suo)引(yin)、廣(guang)告(gao)、分布(bu)式(shi)计算、机器(qi)翻(fan)譯(yi)、深度(du)学習(xi)框(kuang)架(jia)等多个领域，几乎涉(she)及(ji)在谷歌这家公司每一个时期(qi)的關(guan)鍵(jian)技术项目。

在谷歌有一个传说——“Jeff Dean 提(ti)交(jiao)代码前会編(bian)译和運(yun)行他的代码，只是为了檢(jian)驗(yan)编译器和鏈(lian)接器有没有问题。”

Jeff Dean 如神一般的产出雄(xiong)辯(bian)地證(zheng)实了——有时候人和人的差距(ju)，比人和狗(gou)還(hai)大。

在硅谷，“十(shi)倍(bei)工程师”是一个流(liu)行的概念(nian)，即有些工程师的产出的确就要比其他工程师产出要大得多，而 Jeff Dean 大概屬(shu)于“千(qian)倍工程师”。

回到开始的问题——为什么同样在科技行业，有些公司的人效就是要远高于另一些公司？

核心就在于那些高人效的公司擁(yong)有更多像(xiang) Jeff Dean 那样的人，而且(qie)这些公司知(zhi)道(dao)如何讓(rang)那些聰(cong)明(ming)人在一塊(kuai)更好(hao)地合(he)作。

喬(qiao)布斯(si)曾经就说過(guo)——“要留(liu)住(zhu)一个 A 級(ji)人才(cai)，最(zui)重要的方(fang)式就是让一堆(dui) A 级人才和他一起(qi)工作。”

張(zhang)一鳴(ming)在公司 2014 年融(rong)资时曾经有一个说法，今日(ri)頭(tou)条有著(zhe)全(quan)球(qiu)最高的单位(wei)面(mian)積(ji)內(nei)算法工程师数量。

王興(xing)在美图创立的时候，对工程师要求(qiu)极高，在美团技术部的墻(qiang)上，有一句话——“要么牛(niu)逼(bi)，要么滾(gun)蛋(dan)”。

而这正(zheng)是王兴从 Facebook 早期口(kou)號(hao)“Go Big or Go Home”学来的。

微(wei)信(xin)早期的面試(shi)是 8 輪(lun)，3 轮业務(wu)部門(men)，3 轮面试委(wei)员会，最后还要过 2 轮 GM，以保(bao)证加入微信团队的強(qiang)悍(han)程度。

高人效，首(shou)先要保证有高人。

3

人很重要，人背后的技术同样重要。

在古(gu)典(dian)经濟(ji)学中，決(jue)定生产函(han)数的生产要素(su)只有三(san)种——土(tu)地、勞(lao)動(dong)和资本，而现代经济学則(ze)在此基礎(chu)上加入了一个重要的新要素——技术。

经济学家索羅(luo)、盧(lu)卡(ka)斯、罗默(mo)等也將(jiang)技术作为关键变量引入经济增長(chang)模型，而这些模型得到了业界的广泛(fan)认同。

没錯(cuo)，从更长远的角度看(kan)，是技术决定了人类的进步，更準(zhun)确地说还包含(han)了技术的基础——科学；

为什么很多大公司会設(she)立没有盈(ying)利(li)要求的基础研(yan)究(jiu)部门？

为什么今天(tian)國(guo)内大廠(chang)的大模型負(fu)責(ze)人大部分都出自(zi)当年的微軟(ruan)亚洲(zhou)研究院(yuan)？

为什么大家公认谷歌关于 Transformer 的论文有效提升(sheng)了大模型的效率？

这背后其实都是对“科学技术是第(di)一生产力”这句樸(pu)素的话最鲜活(huo)的闡(chan)述(shu)。

事(shi)实上，和其他创业公司不同，OpenAI 的运作模式就是研究团队和工程团队并駕(jia)齊(qi)驅(qu)的结果。

在多个訪(fang)談(tan)中，OpenAI 的 CEO Sam Altman、總(zong)裁(cai) Greg Brockman 都承(cheng)认——如何让公司里强悍而驕(jiao)傲(ao)的研究员和工程师通力合作是一项极具挑(tiao)戰(zhan)的任务。

就连仅仅 11 个人的 Midjourney，除(chu)了 6 名工程师外，也配(pei)備(bei)了专门 2 名研究员。

所以，在某(mou)种意義(yi)上，那些高人效的公司，其中一个原因是它们通过雇(gu)傭(yong)强悍的人从而獲(huo)得了一种产出更高的技术，并将这些技术构建(jian)成一个系统。

4

接下来，我们讨论一个问题——

为什么同样是 0 边际成本的数字技术领域，表(biao)现傑(jie)出的大公司和表现杰出的初创公司在人效上也存在巨大的差异呢(ne)？

OpenAI 估值 300 亿，员工 357，人均(jun)估值接近(jin) 1 亿美元，Instagram、WhatsApp、Midjourney 的人均估值也接近这个值。

而那些今天表现最为杰出的科技巨头，无论是谷歌、蘋(ping)果还是亚马逊，人均估值都远低(di)于这个值。

毕竟(jing)，今天谷歌已(yi)经 18.7 万人人了，苹果已经 14.7 万人了，而亚马逊更是达到了惊人的 150 万。

其背后的核心原因在于——增长才是企业追(zhui)求的目标，人效并不是。

当企业变大之后，一个显而易(yi)见的现象就是要想保持(chi)一定的增长率，其營(ying)收和利潤(run)的绝对值就会成倍变大。

当你的营收 1 亿美金(jin)的时候，你增长 20% 只需要找(zhao)到 2000 万美金的机会，而当营收到 10 亿美金的时候，保持 20% 的增长，就必須(xu)找到 2 亿美金的机会。

因此，很多公司就会采(cai)取(qu)冗(rong)余(yu)团队的模式去探(tan)索不同的可能性，比如内部賽(sai)马，这也在一定程度上增加了大企业的人员规模，冗余就是这么来的。

我们可以从 Twitter 的这波(bo)裁员中直觀(guan)感(gan)受一下互联网公司人员冗余的程度——

当 2022 年 11 月(yue)马斯克(ke)进駐(zhu) Twitter 的时候，Twitter 的员工总数超(chao)过 7200 人，在一顿眼(yan)花(hua)繚(liao)亂(luan)的裁员之后，今天 Twitter 的员工是多少呢？

答(da)案(an)是仅仅只剩(sheng) 1500；

由于 Twitter 现在变成了一家非上市公司，我们无法从数據(ju)的角度全面評(ping)估如此大幅(fu)度減(jian)员对业务的具體(ti)影(ying)響(xiang)。

但我个人作为用户的直观感受是——Twitter 的体验并没有明显的区别。

5

如果我们从信息(xi)论中的“熵(shang)”这个概念来理(li)解可能就会更加清(qing)晰(xi)。

熵是一个熱(re)力学概念，用来衡(heng)量一个系统的有序(xu)程度。

事实上，初创团队就是一个天然的低熵体，一小部分精(jing)英(ying)聚(ju)在一起，架构简单、溝(gou)通順(shun)暢(chang)、目标純(chun)粹(cui)，这样的效率自然非常高。

不仅仅团队處(chu)于低熵的狀(zhuang)態(tai)，初创团队的产品在早期也处于低熵状态，只关注核心功(gong)能，实现最基本的需求，不用考慮(lv)小众低頻(pin)的需求。

这就是为什么亚马逊的貝(bei)索斯推(tui)崇(chong)“两张 Pizza”的理念——“如果两个披(pi)薩(sa)不足(zu)以餵(wei)飽(bao)一个项目团队，那它可能就显得太(tai)大了！”

同样，微信的张小龍(long)也推崇小团队的打(da)法。

下面这张图是小程序这个启动时候的合影，包括张小龙在内总共(gong)就 9 个人。

张小龙显然深刻理解小团队低熵的獨(du)特优勢(shi)。

然而，隨(sui)着组織(zhi)和产品的壯(zhuang)大，熵增是无法避(bi)免(mian)的现象。

产品的熵增体现在复雜(za)度提升和用户规模激(ji)增，这些新状況(kuang)必须要人去解决，于是组织的规模必然随之擴(kuo)充。

团队的熵增体现在随着成员扩充带来的協(xie)同成本急(ji)劇(ju)上升，向(xiang)心力逐(zhu)漸(jian)减弱(ruo)、離(li)心力慢(man)慢增强，人员增加的边际产出开始下降(jiang)。

这些问题通过优秀的管理可以得到一定程度的緩(huan)和，但熵增的基本规律不会改变。

即便强悍如微信团队，1.0 版(ban)本的确只需要几个强悍的工程师开发几周(zhou)就能上線(xian)。

但当用户不斷(duan)增长，为了更多的时长一定会加朋(peng)友(you)圈，为了搞(gao)定信息分发你还要上公众号，为了成为基础设施还得上支(zhi)付(fu)，为了生态和競(jing)爭(zheng)，还要加小程序、视频号。

在此过程中，技术架构要跟(gen)上、产品设计要跟上、市場(chang)运营要更上，此时，产品的熵和团队层面的熵不可避免地增加。

熵增是頂(ding)尖(jian)的巨头在人效上不如顶尖创业公司的核心原因。

6

今天的初创公司人效高的另一个原因是——业界极其完(wan)善(shan)的基础设施。

美团的王兴在上市的时候特别感謝(xie)了乔布斯——没有 iPhone、AppStore 这样的基础平(ping)臺(tai)，就没有美团这样的垂(chui)直應(ying)用。

“站在巨人的肩(jian)膀(pang)上”并不是一句口号，今天的创业公司的确不需要重复造轮子。

OpenAI 的崛(jue)起，它依(yi)賴(lai)于包括維(wei)基百(bai)科在内的多个互联网平台的訓(xun)練(lian)数据，依赖于英偉(wei)达高效率的显卡、依赖于微软 Azure 雲(yun)服(fu)务、依赖于谷歌关于 Transformer 论文、依赖将 ChatGPT 带到全球的 Web 瀏(liu)覽(lan)协議(yi)。

同样，Midjourney 在启动创业时，尽管创始人 David Holz 也并没有足夠(gou)的冷(leng)启动资金，但憑(ping)借(jie)自己曾经创辦(ban)过明星(xing)创业公司 Leap Motion 的良(liang)好聲(sheng)譽(yu)，他从云服务商(shang)那里得到了自己想要的 GPU 训练资源。

而 Midjourney 的火(huo)爆(bao)在一定程度上也得益(yi)于其建立在 Discord 这个本身(shen)就已经足够受歡(huan)迎(ying)的社交网絡(luo)上。

是滴(di)，今天的创业公司去拓(tuo)展(zhan)一项新业务，在某种意义上，完全不需要在自己非核心领域重新造轮子。

迎接创业者的，是无比强大的基础设施平台和极其細(xi)分的第三方服务。

创业者只需要负责长板(ban)，短(duan)板可以有一万种解决方案。

7

另一个容(rong)易忽(hu)视的视角是——

很多创业公司的高人效其实是它们有效地通过某种方式撬(qiao)动了外部的人力资源。

微信支付的团队在 2019 年終(zhong)在腾讯内部获得了“创始人獎(jiang)”。

很显然，腾讯内部对微信支付他们在和竞争对手(shou)支付寶(bao)的激烈(lie)竞争中所表现出来的超高效率。

从数据的角度，人数仅 1000 人左右（据稱(cheng)）的微信支付团队在人效上的确大幅超过 1 万人的支付宝团队。（2020 的招(zhao)股(gu)書(shu)显示(shi)螞(ma)蟻(yi)金服员工数 16660 人）

那么，他们是如何做到的呢？

其中一个值得关注的點(dian)是——人数并不算多的微信支付团队有效撬动了外部的人力资源。

他们构建了一个效率极高的服务商体系，分布在全国各(ge)地规模龐(pang)大的服务商可以幫(bang)助(zhu)商户更方便、更快(kuai)捷(jie)地接入微信支付的线上和线下体系。

这些服务商人数众多，但他们从组织上并不率属于微信支付团队。

同样，中国互联网巨头的在线广告业务，几乎每一家的效果广告都依赖于其分布在不同地区的广告代理商。

你接到互联网公司让你去投广告的電(dian)话，都不它们官(guan)方的銷(xiao)售(shou)，电话的那一头大概率是代理商规模庞大的电销团队。

没错，今天的科技公司从产业链的角度，它们的确站在了“微笑(xiao)曲(qu)线”的两端(duan)，而微笑曲线的中间通常需要更多的人员参与。

用外包对抗(kang)内卷(juan)——科技公司提升人效的捷徑(jing)。

8

我们分析(xi)了科技企业创造价值的方式，一个殘(can)酷(ku)的事实是——对于很多产业而言(yan)，我们的确不需要那么多人了。

那么，随之而来的一个问题是——对于大多数人而言，我们何去何从？

很多人说，不用担心，你看前几次(ci)技术革命的确让很多人丟(diu)掉(diao)了工作，但技术革命又(you)会创造新的工作啊(a)，我们做新的工作就可以了～

这个观点其实只对了一半(ban)——因为上面的逻辑能成立的前提是人们有足够的时间去学习新技能，从事新工作。

而今天，这个前提大概率不存在了，AI 让人失业可能是一夜(ye)之间的；

没错，马车夫(fu)可以用二(er)十年时间变成一名汽车工人，也可以从容地让自己的兒(er)子成为一名汽车销售经理，毕竟，工业革命的进展是缓慢的。

现在，如果自动驾駛(shi)取得突(tu)破(po)（所有出租(zu)车司机立即下崗(gang)），如果机器人取得突破（全世界的汽车工人立即下岗）

这其实不是假(jia)设，而是即将应验的现实。

这种大规模、短时间（注意这两个詞(ci)）的失业问题是人类从来没有遇(yu)到过的，我不认为很多人对此有足够清醒(xing)的认识。

让一个失业的藍(lan)领变成一个高级的白(bai)领，这是一个不可能完成的任务，毕竟，白领们自己的工作都已经快保不住了。

9

《智能革命》这本书有一个结论——未(wei)来只有 5% 的人能从智能革命中受益。

这背后残酷的潛(qian)台词就是 95% 的人会从智能革命中受损。

你有多大的信心你不属于那 95%？

最近，深度学习的三巨头之一杰弗(fu)里?辛(xin)顿从谷歌离职了，他在离职感言中反(fan)思了 AI 給(gei)这个世界带来的巨大不确定性以及潜在的風(feng)險(xian)。

“一切(qie)穩(wen)固的東(dong)西(xi)都将煙(yan)消云散(san)，一切神聖(sheng)的东西都将被褻(xie)瀆(du)。”

马克思 100 多年前的这句话用在今天毫无違(wei)和感。

潘(pan)多拉魔盒(he)已打开，已经永远无法被关上。

一起迎接神秘(mi)、有趣(qu)、茫(mang)然、未知的新紀(ji)元～

作者简介(jie)——卫夕，科技专欄(lan)作者，专寫(xie)长文，专注剖(pou)析互联网及社会科学的底层逻辑，作者微信公众号：“卫夕指北”(weixizhibei)返(fan)回搜(sou)狐(hu)，查(zha)看更多

责任编辑：